YOLOv5安装使用与分析

最新推荐文章于 2024-05-14 12:08:34 发布

Sherry柒

最新推荐文章于 2024-05-14 12:08:34 发布

阅读量1.2k

点赞数 22

文章标签： YOLO ai

本文链接：https://blog.csdn.net/Sherry77777777/article/details/136018908

版权

Anaconda 联合 python使用 yolov5

Anaconda 作用：环境管理器

安装测试及其相关参数

环境

创建虚拟环境

conda create -n 名 python=3.8

激活my_yolov5环境

conda activate D:\Anaconda\envs\my_yolov5

退出当前环境

conda deactivate

下载源问题

配置国内源

清华源(一键写入配置文件)：

pip config set global.index-url Simple Index

其他源：

阿里云：Simple Index 中国科技大学：Simple Index 华中科技大学：http://pypi.hustunique.com/simple/ 上海交通大学：https://mirror.sjtu.edu.cn/pypi/web/simple/ 豆瓣：Simple Index

注: 新版ubuntu要求使用https源。

安装PyTorch

进入PyTorch官网，下滑选中对应版本进行pip下载

判断是否安装成功：

进入cmd -> 输入python -> import torch -> torch.cuda.is_available()返回true则成功

对requirements.txt的调整和安装

调整：

numpy==1.20.3

Pillow==8.3.0

#torch>=1.7.0#see Start Locally | PyTorch (recommended)

#torchvision>=0.8.1

安装:

cmd D:\yolov5-6.0 //在yolov5路径下开启cmd

conda actiavte my_yolov5 //激活虚拟环境

pip install -r requirements.txt //安装requirements.txt

测试yolov5

python detect.py

安装外部字体时可能会出现超时问题，调整方案：

在文件yolov5/utils/plots.py中，以下代码

 class Annotator:
     if RANK in (-1, 0):
         check_font()  # download TTF if necessary
     # YOLOv5 Annotator for train/val mosaics and jpgs and detect/hub inference annotations
     def __init__(self, im, line_width=None, font_size=None, font='Arial.ttf', pil=False, example='abc'):

改为

 class Annotator:
     #if RANK in (-1, 0):
         #check_font()  # download TTF if necessary
     # YOLOv5 Annotator for train/val mosaics and jpgs and detect/hub inference annotations
     def __init__(self, im, line_width=None, font_size=None, font='', pil=False, example='abc'):

安装yolov5测试文件yolov5s.pt时也可能会出现超时问题，解决方案：

复制对应安装路径到浏览器进行下载。

将刚下在的yolov5s.pt文件粘贴到yolov5的根目录下

之后即可运行python detect.py

出现一下图片则yolov5测试成功：

detect.py中较为重要的参数

实现一个自己的训练集

训练集操作

安装第三方库

pip install labelimg

在终端输入labelimg

在弹出界面中选中训练集路径 -> open dir

在训练集同目录下创建文件夹

新建文件夹labels

在弹出界面中选择存储labels路径

Change Save Dir -> 选中刚刚创建的labels文件夹

改变存储格式

改变成yolov5

进行相应标注

点击Create RectBox，框选相应内容，输入对应标签

进行保存

训练相关

更改配置文件

复制coco128.yaml更名后粘贴在同目录

修改内容

path -> 用不到删除

train -> 图片相对路径

val -> 也是图片相对路径

text -> 删除

nc -> 类别

names -> 类别名（按照class.txt的顺序）

download -> 删除

开始训练

找到train.py

进行更改参数

翻到parse_opt函数设置参数

--weights 自己的模型

--data 配置文件改成刚刚生成的yaml文件

--epochs 训练轮数默认300 越高越好相应时间越长根据自己需要设置

--batch-size 内存如果溢出default改小一些

--imgsz 和detect.py中设置一样

训练结果检测

在train/exp下生成训练结果

模型

在weights文件夹下存有：

best.pt 最好的模型 //推荐使用

last.pt 最后一个模型

实现屏幕实时监控

两种方式：win32api，mss

以下用mss进行演示

安装mss,opencv

pip install mss

pip install -i Simple Index opencv-python

在yolov5下创建一个文件夹

创建文件夹aimtools -> 创建grab_screen.py

相应编写

 import time
 import mss
 import cv2
 import numpy as np
 import string
 import win32gui
 import win32ui
 import win32con
 import win32api
 
 
 sct = mss.mss()     #实例化对象
 
 screen_width=2560   #屏幕宽
 screen_height=1600  #屏幕高
 
 GAME_LEFT,GAME_TOP,GAME_WIDTH,GAME_HEIGHT = screen_width//3,screen_height//3,screen_width//3,screen_height//3   #游戏内截图区域
 
 RESIZE_WIN_WIDTH,RESIZE_WIN_HEIGHT=screen_width//4,screen_height//4#截图显示窗口大小
 
 monitor = {
     'left':GAME_LEFT,   #只取图片三分之一
     'top':GAME_TOP, #left和top组成起始点
     'width':GAME_WIDTH, #长度
     'height':GAME_HEIGHT  #宽度
 }   #创建监视器
 
 window_name = 'Peeping' #窗口名
 
 while True:
         img = sct.grab(monitor) #传回图像
         img = np.array(img) #转换类型图片数组
         img = cv2.cvtColor (img,cv2.COLOR_BGRA2BGR) #图片转成BGR格式，通道类型转为BGR
         cv2.namedWindow(window_name, cv2.WINDOW_NORMAL) #创建窗口,第二个参根据窗口大小来设置图片大小
         cv2.resizeWindow(window_name,RESIZE_WIN_WIDTH,RESIZE_WIN_HEIGHT)    #截图区域大小设置
         cv2.imshow(window_name,img) #cv2展示出来，参数（窗口名，图片）
         k = cv2.waitKey(1)  #等待键(0代表永不退出，1代表1ms之内退出)
         # 置顶窗口
         hwnd = win32gui.FindWindow(None, window_name)
         win32gui.ShowWindow(hwnd, win32con.SW_SHOWNORMAL)
         win32gui.SetWindowPos(hwnd, win32con.HWND_TOPMOST, 0, 0, 0, 0,
                               win32con.SWP_NOMOVE|win32con.SWP_NOACTIVATE|win32con.SWP_NOOWNERZORDER|win32con.SWP_SHOWWINDOW|win32con.SWP_NOSIZE)
 
         if k%256==27:   #输入esc建退出,对应ascii码
             cv2.destroyAllWindows() #结束所有窗口
             exit('结束 img_show 进程中...')

以下为用win32api进行演示

代码重构

在aimtools文件夹下新建文件

load_model.py

进行编写

 from aimtools.config import *
 from models.experimental import attempt_load
 from utils.torch_utils import select_device
 
 
 def get_model():
 # 选择设备
 device = select_device('')  # device 设备
 half = device.type != 'cpu'  # half precision only supported on CUDA
 model = attempt_load(WEIGHTS, map_location=device)
 
 stride = int(model.stride.max())  # model stride
 names = model.module.names if hasattr(model, 'module') else model.names  # get class names
 if half:
    model.half()  # to FP16
 
 return model, device, half, stride, names

用于获取模型参数

在aimtools文件夹下新建文件

Location.py

 import torch
 import numpy as np
 from utils.augmentations import letterbox
 from utils.general import check_img_size, increment_path, non_max_suppression, scale_coords, xyxy2xywh
 from utils.plots import Annotator, colors
 from load_model import *
 
 
 # 获取模型、步幅以及类别
 model, device, half, stride, names = get_model()
 imgsz = check_img_size(IMGSZ, s=stride)  # check image size
 
 #不进行梯度处理
 @torch.no_grad()
 def pred_img(img0):
     # Padded resize
     img = letterbox(img0, imgsz, stride=stride, auto=True)[0]
     # Convert
     img = img.transpose((2, 0, 1))[::-1]  # HWC to CHW, BGR to RGB
     img = np.ascontiguousarray(img)
     model(torch.zeros(1, 3, *imgsz).to(device).type_as(next(model.parameters())))  # run once
     img = torch.from_numpy(img).to(device)
     img = img.half() if half else img.float()  # uint8 to fp16/32
     # 归一化处理
     img = img / 255.0  # 0 - 255 to 0.0 - 1.0
 
     if len(img.shape) == 3:
         img = img[None]  # expand for batch dim
 
     pred = model(img, augment=False, visualize=False)[0]
     # NMS
     pred = non_max_suppression(pred, CONF_THRES, IOU_THRES, None, False, max_det=1000)
     # Process predictions
     det = pred[0]
 
     im0 = img0.copy()
     gn = torch.tensor(im0.shape)[[1, 0, 1, 0]]  # normalization gain whwh
 
     annotator = Annotator(im0, line_width=LINE_THICKNESS, example=str(names))
     xywh_list = []
     if len(det):
         # Rescale boxes from img_size to im0 size
         det[:, :4] = scale_coords(img.shape[2:], det[:, :4], im0.shape).round()
         # Write results
         for *xyxy, conf, cls in reversed(det):
             c = int(cls)  # integer class
             xywh = (xyxy2xywh(torch.tensor(xyxy).view(1, 4)) / gn).view(-1).tolist()  # normalized xywh
             xywh_list.append(xywh)
             label = None if HIDE_LABELS else (names[c] if HIDE_CONF else f'{names[c]} {conf:.2f}')
             annotator.box_label(xyxy, label, color=colors(c, True))
     im0 = annotator.result()
     return im0, xywh_list

用于返回图片和坐标

利用屏幕实时监控写一个Drawing.py模块

 import mss
 import cv2
 import numpy as np
 import win32gui
 import win32con
 from load_model import *
 from Location import *
 
 
 sct = mss.mss()     #实例化对象
 
 screen_width=2560   #屏幕宽
 screen_height=1600  #屏幕高
 
 GAME_LEFT,GAME_TOP,GAME_WIDTH,GAME_HEIGHT = screen_width//3,screen_height//3,screen_width//3,screen_height//3   #游戏内截图区域
 
 RESIZE_WIN_WIDTH,RESIZE_WIN_HEIGHT=screen_width//4,screen_height//4#截图显示窗口大小
 
 monitor = {
     'left':GAME_LEFT,   #只取图片三分之一
     'top':GAME_TOP, #left和top组成起始点
     'width':GAME_WIDTH, #长度
     'height':GAME_HEIGHT  #宽度
 }   #创建监视器
 
 window_name = 'Peeping' #窗口名
 
 while True:
         img = sct.grab(monitor) #传回图像
         img = np.array(img) #转换类型图片数组
         img = cv2.cvtColor (img,cv2.COLOR_BGRA2BGR) #图片转成BGR格式，通道类型转为BGR
         img,aims = pred_img(img)
         cv2.namedWindow(window_name, cv2.WINDOW_NORMAL) #创建窗口,第二个参根据窗口大小来设置图片大小
         cv2.resizeWindow(window_name,RESIZE_WIN_WIDTH,RESIZE_WIN_HEIGHT)    #截图区域大小设置
         cv2.imshow(window_name,img) #cv2展示出来，参数（窗口名，图片）
         k = cv2.waitKey(1)  #等待键(0代表永不退出，1代表1ms之内退出)
         # 置顶窗口
         hwnd = win32gui.FindWindow(None, window_name)
         win32gui.ShowWindow(hwnd, win32con.SW_SHOWNORMAL)
         win32gui.SetWindowPos(hwnd, win32con.HWND_TOPMOST, 0, 0, 0, 0,
                               win32con.SWP_NOMOVE|win32con.SWP_NOACTIVATE|win32con.SWP_NOOWNERZORDER|win32con.SWP_SHOWWINDOW|win32con.SWP_NOSIZE)
 
         if k%256==27:   #输入esc建退出,对应ascii码
             cv2.destroyAllWindows() #结束所有窗口
             exit('结束 img_show 进程中...')

运行Drawing.py -> 实现屏幕实时监控分析